#記事の目的
k-meansをRで実装します。
for文を極力使わず、実行速度を早くするように心がけました。
参考: ノンパラメトリックベイズ 点過程と統計的機械学習の数理
#目次
| No. | 目次 | ||||||
| 1 | モデルの説明
| 2 |
データ
|
3 |
実装
|
4 |
確認
|
|
1. モデルの説明
2. データ
使用するデータはirisのデータセットです。
X <- iris[,1:4]
D <- ncol(X)
N <- nrow(X)
3. 実装
#(1)Kを求める
K <- 3
#(2)muを乱数で初期化
set.seed(100)
mu <- matrix(rep(apply(X,2,mean),each=K)+rnorm(K*D,0,1), nrow=K)
#(3)(ⅰ)(ⅱ)を繰り返す
max.iter <- 30
for(s in 1:max.iter){
#(i)各クラスタの平均との距離が最小のクラスに分類
tmp <- apply(mu, 1, function(x) apply(t(t(X)-x)^2, 1, sum))
z <- apply(tmp, 1, which.min)
#(ⅱ)各クラスタの平均を求める
mu <- apply(X, 2, function(x) tapply(x, z, mean))
}
4. 確認
左が正解で、右が実装後の結果です。
library(cluster)
par(mfrow=c(1,2))
clusplot(X, iris[,5], color=TRUE, shade=FALSE, labels=4, lines=0)
clusplot(X, z, color=TRUE, shade=FALSE, labels=4, lines=0)
